基于DEA 對我國高技術產業創新效率外溢分析

文/劉星（廣西大學）

現階段，我國正處在經濟發展方式發生轉變的重要階段，經濟的高質量發展成為我國經濟增長的主要目標，而高技術產業創新活動在高質量發展中有著十分重要的作用。促進科技和金融結合就是推動經濟發展方式轉變、經濟結構戰略性調整的有效舉措。當前，在促進科技和金融結合的過程中，大量高科技企業加大技術開發的投入，使得技術開發的成果顯著。但也存在過于重視技術開發的數量，而忽視了科技成果轉化產出的問題，這可能導致技術實現市場價值化受限。同時，高科技產業的創新過程中，創新能力不僅取決于自身的投入產出能力以及投入產出的效率，還與鄰近區域的創新能力有關，依賴于相鄰區域創新主體之間的溝通和合作，這就是創新活動效率的空間外溢效應。

近年來，關于科技企業和科技金融的研究不斷涌現，如何衡量科技企業與科技金融的效率問題也愈加受人關注。現有大量文獻將高技術產業創新活動作為一個多投入同時單產出，根據實際情況此類創新活動為多投入多產出的，因此基于多投入單產出的假設的效率評價是不準確的。同時也有很多研究將高技術產業創新活動的投入產出僅看作一次性的，而根據創新價值鏈理論，應當細化高技術產業創新活動的分析，可以按照其發展階段分為技術開發過程和科技成果轉化過程，運用可以處理多投入多產出效率評價的數據包絡分析（DEA）模型對各個環節的效率進行計算。而在將高技術產業創新活動細分后并考慮用數據包絡分析（DEA）模型的眾多研究中，又極少考慮到環境因素和隨機噪聲對決策單元效率評價的影響。其中Fried（2002）指出，創新等活動的效率會因管理無效率、統計噪聲以及環境因素的波動而發生改變，因此在分析活動效率時應當對這三種因素進行分解，同時開創性在DEA 模型中引入環境因素和隨機噪聲，并進一步提出了包含環境因素和隨機噪聲因素的三階段DEA 模型。本文通過運用傳統的DEA 模型作為基礎模型，對創新活動效率進行分析，并在此基礎上運用三階段數據包絡分析模型對創新活動效率進行進一步的分析。本文還對創新效率的空間外溢情況進行考察，通過構建地理相鄰空間權重矩陣，利用空間杜賓模型對效率的空間外溢效應進行分析，以期能夠找出高技術產業創新活動效率的影響因素，進而可以分析高技術產業創新活動的不足和優勢，并能夠通過分析其薄弱點，針對其薄弱點進行有效地加強和提高。

一、文獻綜述

（一）效率評價文獻綜述

對于多投入多產出活動的效率評價，大多都采用數據包絡分析（DEA）模型。吳妍妍（2019）運用傳統的DEA 模型評價科技金融服務效率；余麗霞（2019）運用傳統DEA 模型，從時間維度上，橫向和縱向對比分析四川省的科技金融結合效率。對于一個現實的生產活動一般為多階段的，而不是僅由一個階段組成。

因此，Pengzhen Yin（2019）以及彭佑元和王婷（2016）基于二階段網絡DEA 分別將酒店決策的網絡結構分為兩階段模型（運營階段和營銷階段），并提出了一個基于dea的雙目標模型，從內部兩個階段相互配合的角度，對酒店績效進行評價以及將企業投資分為利潤產生以及市值產生兩個階段，并分別對其投資效率進行了分析評價，更為深入地挖掘出了上市公司非有效投資產生的原因。本文也通過將高技術產業創新活動分為兩個階段，技術開發階段和科技成果轉化階段，并分別計算兩個子階段的效率，以此更為準確評價創新活動的效率，并找出薄弱點進行補足和提高。

傳統的DEA 模型不能很好地適用于現實的各種活動效率的評價，因此大量的學者根據現實的實際情況對DEA 模型進行改進，以使之更符合現實，效率評價更加真實可靠。李合龍和段紫薇（2018）引入Malmquist 指數對靜態 DEA 進行動態優化，以分析2004 至2015 年廣東省及21 個地級市的科技金融效率。Chunjia Han 等（2017）認為，傳統DEA 的效率高估可能會影響目標設定的合理性，甚至使其在目標設定中失效。因此，提出了針對個體決策單元(DMU)和全局優化的兩種新的目標設定方法，以提高DMU在不同決策情形下的交叉效率，進而解決了傳統DEA 在目標設定上的局限性。Fried（1999,2002）指出傳統DEA 模型沒有考慮環境因素和隨機噪聲對決策單元效率評價的影響，因此將環境因素和隨機噪聲引入DEA 模型。其中，在Fried（1999）這篇文獻中運用了DEA-Tobit 模型引入了影響效率評價的環境因素，而在Fried（2002）中則同時考慮了環境因素和隨機噪聲，運用的模型被稱為三階段DEA 模型，在第二階段中可以剔除環境因素和隨機噪聲。自Fried 提出該理論之后，大量學者開始將環境因素及隨機噪聲引入DEA 模型，更加準確地進行效率評價。王義新和孔銳（2019）基于 DEA-Tobit 二階段模型對我國規模以上工業企業科技創新效率進行評價。張中華、劉爽（2017）和楊林等（2019）運用三階段DEA 模型分別評價了我國的制造業的投資效率以及粵港澳大灣區 2014 至2016 年科技金融資源配置效率。本文考慮到環境因素和隨機噪聲可能會對我國高技術產業創新效率有影響，因此也通過運用三階段DEA 模型，對我國高技術產業創新效率進行更為準確的分析。

（二）創新效率外溢效應文獻綜述

現存的大量文獻的計量經濟研究中，顯示在眾多的經濟數據中存在空間的作用。對比傳統計量經濟學，將空間因素納入模型，可以更好地分析空間的作用，研究在地理空間臨近事物之間的相互影響。張芷若和谷國鋒（2019）基于空間計量的方法分析科技金融在鄰近空間對周圍區域經濟增長的影響。創新效率也可能具有空間依賴性，因此要全面的認識創新效率的影響因素，應當在評價創新效率的同時考慮到其空間依賴性。已有研究發現，我國高技術產業創新效率確實存在十分明顯的空間外溢影響（徐皓等（2019））。雖然徐皓在文章中運用了DEA 模型，但并未將可能對活動效率存在影響的環境因素以及隨機噪聲因素納入模型。余泳澤和劉大勇（2013）將創新過程分為知識創新、科研創新和產品創新三個階段，并利用三階段 DEA 模型考察了各階段的創新效率，并且發現各階段創新效率表現出較為明顯的空間相關性。并未將科技成果轉化階段納入創新活動中，而科技成果轉化階段是非常重要的實現創新產物市場價值的階段，而缺少該階段并不能使整個創新活動形成一個“研發-生產-銷售-再生產”的閉環。

因此，本文將高技術產業創新活動分為技術開發階段和科技成果轉化階段，并運用三階段DEA 模型對兩個子階段進行效率評價，同時構建鄰接空間權重矩陣，對我國高技術產業創新效率外溢效應進行研究。

二、理論分析

（一）DEA 模型

數據包絡分析（DEA）是一種效率評價分析方法，通常用于多投入多產出活動的情況，其原理是通過線性規劃構造出非參數前沿面，并通過該方法分析相對效率。當面對如創新活動這樣的多投入多產出的活動，會因為有不同的多種投入而難以統一多種投入指標的單位。數據包絡分析法(DEA) 幾乎不要求投入的指標單位的統一，因此可以讓效率評價具有可實現性。在分析主體多投入多產出活動的效率過程中，數據包絡分析法(DEA) 不需要假設函數形式，因此也不需要主觀設置各個投入產出的權重矩陣，而是以被評估的主體最高的可能效率為依據，找出各投入產出的權重矩陣。對于給定權重矩陣的被評估主體，如果主體投入產出位于非參數前沿面上，則稱該主體為DEA 有效，而沒有位于前沿面上的主體，就被稱為無效率主體。因此，可以通過運用DEA 模型來比較一組具有相同或相似投入產出的主體，識別相對無效率主體，并與其他DEA 有效主體進行比較，發現和降低無效率的方法。

本文根據高技術產業創新活動的現狀，將創新活動進行細分，將其分解為技術開發階段和科技成果轉化階段，并將每個階段都作為多投入多產出的過程。其中技術開發階段反映了高技術產業的研發能力，具體而言，就是企業通過投入經費和研發人員，最終得到研發成果，例如專利數以及新產品開發項目數。而研發最終是為了能夠轉化為市場價值，因此當得到研發成果后，就需要將研發的成果進行轉化，得到產品并推向市場，這個過程就是科技成果轉化階段。科技成果轉化階段就是將技術開發階段獲得的研發成果作為投入，將實現的市場價值作為產出的過程，反映了高技術產業的成果轉化能力。將創新活動細分后，對技術開發階段和科技成果轉化階段的效率利用傳統的數據包絡分析（DEA）模型分別進行計算，以揭示整個創新活動的不足之處，進而全面準確提高創新活動的效率，進而再運用三階段數據包絡分析（DEA）模型做進一步分析。

1978 年，A.Charnes,W.W.Cooper and E.Rhodes 為對比相同部門之間的效率，提出數據包絡分析（DEA）模型，并將該模型命名為C2R模型，對第j0個決策單元（DMUj0）進行效率評價。具體形式為：

其 中，x=(x1,x2,…，xm)T為進行生產活動的多種輸入，xj=(x1,x2,…，xm)T＞0為 第j 個決策單元（DMUj）的多種輸入，y=(y1,y2,…，ys)T為生產活動中成果轉化的多種輸出，yj=(y1j,y2j,…，ysj)T＞0為第j 個決策單元（DMUj）的多種輸出，vi表示對第i 種類型輸入的權重的變向量，ur表示對第r 種類型輸出的權重的變向量。

若hj0=1，則稱第j0個決策單元弱DEA 有效。

對于任一決策單元，投入導向下對偶形式的BCC 模型可表示為：

其中，S－為剩余變量，S+為松弛變量，j=1,2,…,n表示決策單元，x0表示由n 個決策單元線性組合而成的輸入變量，y0表示由n 個決策單元線性組合而成的輸出變量。

若θ=1,S－=0,S+=0，則決策單元DEA 有效；

若θ=1,S－≠0 或S+≠0，則決策單元弱DEA 有效；

若θ＜1，則決策單元非DEA有效。

BCC 模型計算出來的效率值為綜合技術效率（TE），可以進一步分解為規模效率（SE）和純技術效率（PTE），TE=SE* PTE。

以上為傳統DEA 模型及其對偶形式，也即第一階段。

在模型的第二階段，通過對松弛變量[x-Xλ]的關注，并且表示該松弛變量能夠對初始的低效率有所反映。

可以構造如下類似SFA 回歸函數（以投入導向為例）：

其中，Sij是第j個決策單元第i項投入的松弛值；Zj是環境變量，ai是環境變量的系數；vij+μij是混合誤差項，vij表示隨機干擾，μij表示管理無效率。其中v～N(σv 2)是隨機誤差項，表示隨機干擾因素對投入松弛變量的影響；假設μ服從在零點截斷的正態分布，即μ～N+(0,σμ2)是管理無效率，表示管理因素對投入松弛變量的影響。

第三階段，運用調整后的投入產出變量再次測算各決策單元的DEA 效率，此時的效率已經剔除環境因素和隨機因素的影響，是相對真實準確的。

（二）空間計量模型

現存的大量文獻的計量經濟研究中，顯示在眾多的經濟數據中存在空間的作用。對比傳統計量經濟學，將空間因素納入模型，可以更好地分析空間的作用，研究在地理空間臨近事物之間的相互影響。

其中空間杜賓模型表現形式如下所示：

其中空間權重矩陣設定為我國各省份及直轄市（除西藏、青海、寧夏、新疆、臺灣、香港、澳門）的鄰接矩陣，相鄰則記為1，不相鄰則記為0。空間權重矩陣的表現形式為：

三、指標選取及數據來源

（一）高技術產業創新效率評價指標

本文以2014 至2016 年高科技產業投入產出相關數據，作為創新效率評價指標。根據創新活動分為技術開發階段和科技成果轉化階段，對不同的階段根據其自身特點選擇不同的投入產出指標。對技術開發階段效率進行評價時，選取R＆D 人員全時當量、R＆D 經費內部支出、儀器和設備價格、新產品開發經費支出四個指標，作為技術開發階段的投入指標。選取專利受理數和新產品開發項目數，作為技術開發階段的產出指標。對科技成果轉化階段效率進行評價時，由于技術開發階段的產出在技術成果轉化環節將作為投入，因此本文選取專利受理數和新產品開發項目數兩個指標，作為技術成果轉化環節的投入指標，選取新產品銷售收入作為科技成果轉化階段的產出指標。對于以上指標都選取自我國各省份及直轄市2014 至2016 年的高科技產業投入產出數據，其中不包括臺灣、香港、澳門，并且由于數據缺失問題，也不包括西藏、青海、新疆和寧夏的數據（表1）。

表1 我國高技術產業創新活動各環節投入產出指標

（二）高技術產業創新效率外溢效應指標選取

本文根據創新活動不同階段的特異性的特點，對創新效率外溢效應選取不同控制變量對其進行實證研究分析，創新效率外溢效應在不同階段的控制變量如表2 所示。

表2 高技術產業創新效率外溢效應各環節控制變量

其中科技成果轉化效率以及技術開發效率由本文計算得到，人口總數是指各省份及直轄市年末人口總數，國外投資是指我國各地區高技術部門屬研究與開發機構R&D 經費內部支出的國外資金量，出口數衡量高技術產業創新產品對外輸出價值量，人均GDP 是指各省份及直轄市的人均GPD，政府投入是指我國各地區高技術部門屬研究與開發機構R&D 經費內部支出的政府資金所占數量。

四、實證結果與分析

（一）描述性統計分析

表3 匯報了評價指標及變量的描述性統計分析的結果。

表3 評價指標及變量的描述性統計分析結果

（二）高技術產業分地區分階段創新效率計算

本文運用數據包絡分析（DEA）模型，對我國各省份及直轄市的高技術產業的技術開發效率與科技成果轉化效率進行計算。我國高技術產業的技術開發效率與科技成果轉化效率如表4 所示。

表4 各省份及直轄市2014-2016 年技術開發效率與科技成果轉化效率及均值

通過對我國各省份及直轄市高技術產業技術開發效率和科技成果轉化效率進行計算，由各省份及直轄市高技術產業三年投入產出平均值所計算得出的技術開發效率和科技成果轉化效率，可以發現，總的來說我國高技術產業技術開發效率普遍較高，但科技成果轉化效率除個別省和直轄市外普遍較低，且對每年的高技術產業技術開發效率和科技成果轉化效率進行計算也可以得到相同結論。這反映了我國高技術產業的創新活動中，很多企業過于重視技術開發階段而忽略了科技成果轉化的重要性。其中，在技術開發階段，對比各省份及直轄市的技術開發效率可以發現，在經濟發展水平較高省和直轄市技術開發效率都普遍偏高，其中包括天津、山西、浙江、江蘇、廣東等地，還包括四川、重慶、貴州等中西部地區，其原因應該是近些年來，中央及地方政府高度重視中西部省份高技術產業的發展，不斷加大高技術產業的投入與政策扶持力度，中西部省份的技術開發效率取得了顯著進步。而經濟最發達的北京、上海的技術開發效率卻不是很高，其原因可能是北京和上海體量巨大，高技術產業集中趨向飽和，內部競爭過于激烈，消耗了大量的人力物力財力，可能需要進行內部調整和整合，進而提高高技術產業創新效率。而在科技成果轉化階段，只有天津、江蘇、河南、浙江的科技成果轉化效率較高。其中，四川、重慶、貴州、海南、山西等省都存在技術開發效率較高而科技成果轉化效率不理想的情況。這表明，在不斷加大高技術產業投入與政策扶持力度的背景下，這些省份的科技創新能力雖然取得了顯著進步，但是較強的科技創新能力并沒有很好地轉換成市場價值，我國高技術產業的科技成果轉化效率仍需要大力提升。

本文進一步對各年的高技術產業的技術開發和科技成果轉化的兩個子階段的效率進行分析對比，將各年的高技術產業各個階段的效率進行加總平均，以此作為各個階段的對比標準，對高技術產業樣本的技術開發效率和科技成果轉化效率這兩個子階段效率值進行比較分析，其分布情況如圖1 所示。圖中第一象限表示該區域高技術產業的技術開發效率和科技成果轉化效率雙重高效，第二象限則表示技術開發效率較低而科技成果轉化效率較高，第三象限則表示技術開發效率和科技成果轉化效率雙重低效，則表示技術開發效率較高而科技成果轉化效率較低。

從圖1、表5 中可以看出，高技術產業創新活動的兩個子階段效率逐漸向第一象限集聚，同樣也可以看出，技術開發階段的效率較高而科技成果轉化效率較低，但都在不斷地改善，兩個子階段的效率越來越趨向合理，說明高技術產業對于科技成果轉化的重視程度也在逐漸提高，更加重視實現技術開發成果的市場價值，從而提高整個創新活動的效率。

表5 2014-2016 年各象限地區的個數

圖1 子階段效率值分布情況

在考慮到環境因素和隨機噪聲對決策單元效率評價的影響，本文使用三階段DEA 模型進行進一步分析。將高校教職工數量、國外投資、人均GDP、政府投資作為影響技術開發效率的環境變量，根據三階段DEA 模型理論，對第二階段使用隨機前沿模型（SFA）進行回歸，得出結果見表6。

由表6 可知根據單邊的廣義似然比檢驗結果，無效率項存在，使用SFA 模型合理，但系數均不顯著，環境變量選取可能不佳，故未進行第三階段的分析而僅使用傳統DEA進行分析。

表6 隨機前沿模型回歸結果

（三）高技術產業各階段創新效率空間外溢效應研究

在對我國高技術產業創新活動各階段效率進行計算后，本文構建鄰接空間權重矩陣，運用空間杜賓模型（SDM）對我國高技術產業創新活動各階段效率的外溢效應進行實證研究，實證結果如表7 所示。

從表7 我國高技術產業各階段創新效率空間外溢效應可以看出，無論是技術開發階段還是科技成果轉化階段，都存在顯著的空間外溢效應，這說明一個區域的技術開發效率和技術成果轉化效率不僅與自身的投入有關系，還與其他區域息息相關。具體而言，在技術開發階段，出口量的直接效應系數顯著為正，說明當地的出口量越大當地的技術開發效率就越高，這可能是由于出口量越大越有直接的經濟效益產生，對技術開發有激勵效果；人口總數以及國外投資的間接效應系數顯著為正，說明當地的人口數量越大、海外投資越多，對周邊地區的技術開發效率有一個正向的影響，這可能是由于當地人口數量大時，會對周邊地區供給勞動力，使得周邊地區技術開發的勞動力成本較低。而當地海外投資較多時，可能由于競爭機制的作用，使得周邊地區加大技術開發力度進而吸引海外投資。在科技成果轉化階段，高校教職工數量的直接效應系數顯著為負，說明當地的高校教職工數量越多，當地的科技成果轉化效率越低，這可能是由于當地高校越多，對高校的各方面支持會加大，因此會擠占掉對高技術產業的投資；出口量的直接效應系數顯著為正，說明當地出口越多當地的科技成果轉化效率就越高，出口就是科技成果轉化的一個途徑，所以出口越大自然科技成果轉化效率也就越高。

表7 高技術產業各階段創新效率空間外溢效應

五、結論與建議

（一）結論

本文基于創新價值鏈理論，通過將我國高技術產業創新活動分為技術開發階段和科技成果轉化階段，并運用 DEA 模型對技術開發階段和技術成果轉化階段創新效率進行了計算，并進一步考慮到環境因素和統計噪聲可能對創新效率評價產生影響，因此使用三階段DEA 模型進一步進行分析。同時構建鄰接空間權重矩陣，運用空間杜賓模型對我國高技術產業創新活動各階段效率的外溢效應進行實證研究，得到研究結論如下：

（1）我國高技術產業創新活動普遍存在技術開發效率較高而科技成果轉化效率較低的問題。在技術開發階段，各省份及直轄市的技術開發效率的高低并不完全與當地經濟發展水平相一致，除了經濟比較發達的省份及直轄市外，四川、貴州等中西部省份技術開發效率也較高。而在科技成果轉化階段，只有江蘇、浙江等省份的科技成果轉化效率較高，這表明，較強的科技創新能力并沒有很好地轉換成市場價值，我國高技術產業的科技成果轉化效率需要大力提升。通過對比各年的高技術產業創新活動的兩個子階段效率可以發現，兩個子階段的效率在逐年改善，整個創新活動的效率也在逐步提高。而三階段DEA 由于環境變量選取不佳，導致系數不顯著，因此未進行第三階段的分析。

（2）就我國高技術產業各環節創新效率的空間外溢效應方面，技術開發效率與科技成果轉化效率均存在顯著的空間外溢效應，這表明在我國高技術產業創新活動中，一個區域高技術產業的創新效率，不僅與自身的創新能力以及創新投入息息相關，還與周邊區域高技術產業的創新活動有著密切的關系。具體而言，在技術開發階段，當地的出口量越大當地的技術開發效率就越高，當地的人口數量越大、海外投資越多對周邊地區的技術開發效率有一個正向的影響。在科技成果轉化階段，當地的高校教職工數量越多，當地的科技成果轉化效率越低，當地出口越多當地的科技成果轉化效率越高。

（二）政策建議

根據研究結論，本文提出以下幾點建議:

由于我國高技術產業的創新活動是一個多投入、多產出的過程，某一階段的創新效率并不能完全代表我國高技術產業的創新能力，針對我國高技術創新活動中存在技術開發效率較高而科技成果轉化效率較低的問題，我們應該加強高技術產業創新活動中科技成果轉化階段的投入，促進技術開發階段和科技成果轉化階段協同發展、共同提高，以此來提高我國高技術產業的創新能力。我國高技術產業創新活動中各階段創新效率均存在顯著空間外溢效應的問題，從實證結果我們可以發現，我國高技術產業創新效率的提高，不僅僅依賴于自身的投入與創新能力，還與周邊區域的創新能力相關。根據該實證結果，建議我國高技術產業應當提高自身的出口量，不僅有利于技術開發效率的提高，更有利于科技成果的轉化；而惡性競爭會使得高技術產業的創新效率降低，因此應當盡量避免惡性競爭，有效促進創新效率的提高。